【摘 要】
:
信息Agent是一种智能Agent,规划是研究信息Agent的核心理论之一,已成为人工智能中重要的研究领域,具有重要的理论意义和应用价值.该学位论文对信息Agent系统和规划问题中的一
论文部分内容阅读
信息Agent是一种智能Agent,规划是研究信息Agent的核心理论之一,已成为人工智能中重要的研究领域,具有重要的理论意义和应用价值.该学位论文对信息Agent系统和规划问题中的一些重要问题进行研究,在以下方面获得成果:1.研究了知识在信息Agent中的作用,并实现了一个基于知识的新闻信息采集软件Agent系统,能够帮助用户自动完成相关新闻信息的搜集和整理,并以友好的方式提供给用户.该系统具有自主性、反应能力、个性化和协作性等良好特性.2.设计并实现了一个基于本体的动态信息收集Agent系统,提出了一个基于概念图的本体知识表示方法,并给出了基于机器学习的本体知识库构造和更新算法.我们讨论了知识本体在描述信息源知识、规范描述文档信息和用户检索请求三方面的应用,实验结果表明基于知识本体技术的信息收集Agent可有效地处理动态信息的收集问题.3.分析了HSP(状态空间启发搜索规划)和CSP(约束可满足问题)求解串行问题的启发策略,提出了一组基于规划图结构信息的偏序规划评价方法.通过实验,表明这些方法能够提高串行规划问题的求解,甚至可以在不降低并行问题求解效率的前提下提高求解串行规划问题的性能.4.研究了多Agent的并发协作规划问题,提出一个基于STRIPs的动作交互与协作的描述方法,并给出了一个基于规划图的多Agent并发协作规划算法.该方法不仅是可行的,而且是可靠和完全的.
其他文献
自1975年Li-Yorke发现Period Three Implies Chaos以来,其研究就深入到自然科学和社会科学的各个领域:数学、物理、化学、生物、天文、气象、地质探测、经济管理、通信、电子电
该文主要讨论无约束优化信赖域方法和CDT子问题.信赖域方法是求解非线性优化问题最常用和有效的方法之一.在信赖域方法的计算过程中,信赖域半径的选择是影响算法有效性的一个
人脸的定位与识别问题是一个人脸认证系统中最关键的问题,该文围绕这些问题,在等级学习、子空间学习、流形学习及基于图模型的参数优化等方向展开了研究.人脸定位问题最重要
本文主要研究了Armendariz环和斜Armendariz环.证明了UFD关于其主理想的商环是Armendariz环.这推广了Rege和Chhawchharia关于PID的相应结论.本文还证明了,若R是Armendariz环且
本文研究了带有止步和中途退出的M/M/1/N休假排队系统。首先根据马尔可夫过程的方法导出了稳态概率所满足的方程组,通过把转移率矩阵写成分块矩阵的形式,由此求出了稳态概率
该文主要介绍并比较分析了三类度量信用风险的违约模型,它们分别是(i)结构性模型;(ii)简约式模型;(iii)不完全信息模型.文中还给出了一新的违约模型-二叉树模型及其相关结果.
该文主要研究权重不同参与者之间的秘密共享方案.秘密共享在密钥管理的方法上是一个非常重要而且必须考虑和研究的课题,但是随着计算机的网络信息的发展,要求对于每个参与者
本文的主要工作是关于两类随机排队网络的遍历性与一类随机排队网络的扩散逼近存在性的证明。文中对随机排队网络的遍历性和扩散逼近的研究提出了一些新的技巧,用这些新的技巧
非单调超协调推理是一种在不协调与不完全知识下推理的形式,是人工智能中有关常识表示与推理的一个研究领域,具有重要的科学意义.在该文中,我们对非单调超协调推理的如下问题
该文有两部分组成.第一部分主要通过构造一个新的函数并利用Cheeger技术给出推广的Latala-Oleszkiewicz不等式的常数估计.第二部分主要对给定的单死过程,构造了一个合适的生